Panoramica dell'espressione genica differenziale

RNA-Seq con Bioconductor in R

Mary Piper

Bioinformatics Consultant and Trainer

mappa di calore fold change

RNA-Seq con Bioconductor in R

variazione DE

RNA-Seq con Bioconductor in R

articolo JCI

RNA-Seq con Bioconductor in R

Introduzione al dataset: Smoc2

fibrosi renale

RNA-Seq con Bioconductor in R

esperimento RNA-Seq

RNA-Seq con Bioconductor in R

Distribuzione dei conteggi RNA-Seq

ggplot(raw_counts) +
  geom_histogram(aes(x = wt_normal1), stat = "bin", bins = 200) +
  xlab("Raw expression counts") +
  ylab("Number of genes")

Distribuzione dei conteggi

RNA-Seq con Bioconductor in R

Preparazione all'analisi di espressione differenziale: oggetto DESeq2

dds <- DESeqDataSetFromMatrix(countData = rawcounts,
                        colData = metadata,
                        design = ~ condition)

dati dei conteggi

RNA-Seq con Bioconductor in R

Preparazione all'analisi di espressione differenziale: metadata

# Create vectors containing metadata for the samples
genotype <- c("wt", "wt", "wt", "wt", "wt", "wt", "wt") 
condition <- c("normal", "fibrosis", "normal", 
               "fibrosis", "normal", "fibrosis", "fibrosis") 

# Combine vectors into a data frame
wt_metadata <- data.frame(genotype, wildtype)


# Create the row names with the associated sample names
rownames(wt_metadata) <- c("wt_normal3", "wt_fibrosis3", "wt_normal1", 
                "wt_fibrosis2", "wt_normal2", "wt_fibrosis4", "wt_fibrosis1")
RNA-Seq con Bioconductor in R

Preparazione all'analisi di espressione differenziale: metadata

metadata

RNA-Seq con Bioconductor in R

Esercitiamoci!

RNA-Seq con Bioconductor in R

Preparing Video For Download...